Rozdíly

Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.

--- google_tpu [2026/01/02 20:36] – [1. Proč TPU vzniklo?] admin
+++ google_tpu [2026/01/02 21:06] (aktuální) – [5. Cloud TPU vs. NVIDIA GPU] admin
@@ Řádek 9: / Řádek 9: @@
   * **GPU:** Velmi rychlé díky paralelismu, ale stále zatížené architekturou pro vykreslování grafiky.
   * **TPU:** Odstraňuje vše nepotřebné a soustředí se pouze na násobení a sčítání matic v obrovském měřítku.
-{{ :tensor_processing_unit_3.0.jpg?nolink&200 |}}
+{{ :tensor_processing_unit_3.0.jpg?nolink&400 |}}
 ----
@@ Řádek 56: / Řádek 56: @@
 ----
+Google TPU představuje klíčový prvek moderní AI infrastruktury. Díky specializovanému designu na matice‑multiplikaci, podpoře bfloat16 a sparsity dosahuje nevídaných výkonových poměrů a energetické účinnosti. Kombinace Cloud TPU pro masivní trénink a Edge TPU pro inferenci na okraji sítě umožňuje kompletní end‑to‑end řešení od vývoje až po nasazení AI modelů. S nadcházejícími generacemi (TPU v5) a rozšiřujícím se ekosystémem nástrojů (TensorFlow, JAX, XLA) bude TPU i nadále posouvat hranice toho, co je v AI možné.
+== Odkazy a literatura ==
+    [[https://cloud.google.com/tpu|Google Cloud TPU – oficiální dokumentace]]
+    [[https://research.google/pubs/pub48357/|“In‑Depth Performance Analysis of the TPU v4” – Google Research, 2023]]
+    [[https://www.tensorflow.org/xla|TensorFlow XLA Compiler]]
+    [[https://coral.ai|Coral – Edge TPU platforma]]
+    [[https://arxiv.org/abs/2104.04473|“Bfloat16: The Secret to TPU’s Success” – arXiv preprint, 2021]]
+    [[https://developer.nvidia.com/gtc|NVIDIA GTC – srovnání GPU a TPU]]
 //Související články://
   * [[it:sw:neural_networks|Neuronové sítě: Jak využívají maticové operace]]